位置:成果数据库 > 期刊 > 期刊详情页
用于DR图像缺陷检测的改进的LBP算法
  • ISSN号:1002-8331
  • 期刊名称:《计算机工程与应用》
  • 时间:0
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]重庆大学数学与统计学院,重庆401331, [2]重庆大学教育部光电及系统重点实验室ICT研究中心,重庆400030
  • 相关基金:国家自然科学基金(No.61271313);国家重大科学仪器设备开发专项(No.2013YQ030629).
中文摘要:

针对传统LBP(LocalBinaryPattern)算法在DR图像缺陷检测中对噪声异常敏感而导致的缺陷识别率低的问题,在已有的韦伯LBP算法(WeberLocalBinaryPattern,WLBP)的基础上,提出改进的WALBP(WeberAdaptedLocalBinaryPatterns)算法。WALBP算法保留了WLBP算法最后生成二维直方图的特点,对其所用的LBP算子和LoG(LaplacianofGaussian)方法进行了改进。WALBP算法更加有效地描述了DR图像的纹理特征,同时有效解决了WLBP算子在进行缺陷检测时直方图维数较多及分类能力不强的问题。通过对多幅铸件DR图像进行实验分析,结果表明,相对于已有的WLBP算法和传统的LBP算法,WALBP算法在缺陷检测上具有更高的识别率,在缺陷识别技术中具有很高的应用价值。

英文摘要:

For traditional LBP(Local Binary Pattern)algorithm is sensitive to noise and lead to the lower recognition ratein DR image defect detection, an improved WALBP(Weber Adapted Local Binary Patterns)algorithm is proposed on thebasis of the existing of Weber LBP(WLBP)algorithm. WALBP algorithm retains the characteristics which form thetwo-dimensional histogram, the LBP operator and LoG(Laplacian of Gaussian)method that used are improved. WALBPalgorithm is more effective to describe the DR image texture feature, and effectively solves the WLBP(Weber Local BinaryPattern)operator in defect detection histogram more dimension classification and capability is not strong. Through analyzingcasting DR image experiments, the results show that compared with the existing WLBP algorithm and the traditional LBPalgorithm, WALBP algorithm has higher recognition rate on defect detection, in the defect recognition technology has ahigh application value.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机工程与应用》
  • 北大核心期刊(2014版)
  • 主管单位:中国电子科技集团公司
  • 主办单位:华北计算技术研究所
  • 主编:怀进鹏
  • 地址:北京市海淀区北四环中路211号北京619信箱26分箱
  • 邮编:100083
  • 邮箱:ceaj@vip.163.com
  • 电话:
  • 国际标准刊号:ISSN:1002-8331
  • 国内统一刊号:ISSN:11-2127/TP
  • 邮发代号:82-605
  • 获奖情况:
  • 1. 2012年首批获得中国学术文献评价中心发布的 “...,2. 2001年获得新闻出版署“中国期刊方阵双效期刊”,3. 2008年首批入选国家科技部“中国精品科技期刊...,4.2003年-2011年连续获得工业和信息化部期刊最高...
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:97887